黄 梅 朱 焱

(西南交通大学信息科学与技术学院 四川 成都 611756)

0 引 言

近年来，随着互联网技术和数据存储技术的快速发展，从数据中提取隐含的、具有潜在价值的信息变得更加便捷。数据挖掘技术常用于决策支持和科学研究，数据在拥有者和使用者之间共享屡见不鲜。然而，这些数据中可能包含了某些敏感隐私信息，如个体隐私、政府机密及商业情报等。如果将这些数据不加处理的发布共享，就会造成隐私信息的泄露。近年来，随着多起隐私数据泄露事件，如NetFlex的推荐比赛中用户观影记录泄露[1]、FaceBook与数据分析公司Cambridge Analytica的不当共享造成8 700万用户个人信息泄露[2]等，隐私保护技术得到极大关注，成为数据挖掘和信息安全领域的研究热点。

自隐私保护数据挖掘(Privacy Preserving Data Mining，PPDM)作为知识发现应用领域的一个核心问题，不断有学者对其进行研究，并试图制定提供隐私保护的模型，经典的包括K-匿名[3]、L-多样性和T-接近及差分隐私等。其中，K-匿名因其灵活有效，在隐私保护领域得到广泛研究。该模型最早由Sweeney等[3]提出，并提出使用MinGen[3]算法来选取最优泛化操作，使待发布数据满足K-匿名原则。韩建民等[5]针对隐私的敏感度提出了面向敏感值的个性化(a,K)-匿名隐私保护模型。这种方法对低敏感值的敏感属性使用较低的K-匿名约束，对高敏感值的敏感属性则用较高的K值进行约束，降低了单敏感属性因隐私保护而引起的信息损失。此外，许多研究者通过结合聚类实现K-匿名。Li等[6]应用聚类思想，依据合并泛化信息损失量最小原则，每次随机选取一个元组数小于K的类簇与另一个类簇进行合并，直至所有类簇的元组数大于等于K。……